Premessa. Microalbuminuria. Marker di rischio CV

Transcript

1 Premessa Microalbuminuria Manifestazione più precoce di nefropatia Componente SM criteri WHO Al momento della diagnosi di diabete il 30% della popolazione presenta livelli aumentati di albumina nelle urine, di cui: Il 75% microalbuminuria Marker di rischio CV Il 25% nefropatia diabetica conclamata La MAU evolve a nefropatia diabetica, in assenza di interventi specifici, in circa il 30% dei pazienti diabetici, nella maggioranza dei casi entro anni dall esordio della malattia. CMAJ 2002; 167: Diabetes Care2004; 27(suppl 1): 79-83

2 Disegno dello studio Pazienti con DM2 in usual care Raccolta dati clinici Raccolta dati laboratorio PRIMA FASE Valutazione trasversale Follow-up (1 anno) Raccolta dati clinici Raccolta dati laboratorio SECONDA FASE Valutazione longitudinale

3 Obiettivi fase 1 Valutare la prevalenza di MAU in pazienti con DM2 routinariamente seguiti dai SdD italiani Identificare i fattori correlati alla MAU Identificare specifici sottogruppi di pazienti a rischio particolarmente elevato di presentare MAU

4 Reclutamento 55 Servizi di Diabetologia 36 Pazienti / centro Periodo di reclutamento: Novembre 2004 Maggio Campionamento di casi consecutivi: PRIMA SETTIMANA: i primi 6 pazienti eleggibili del lunedì, martedì e mercoledì SECONDA SETTIMANA: i primi 6 pazienti eleggibili del mercoledì, giovedì e venerdì 6

5 Criteri di eleggibilità Criteri d inclusione Diagnosi di DM2 Età anni Entrambi i sessi Consenso informato Criteri di esclusione Diagnosi di DM1 Ciclo mestruale Infezioni vie urinarie Nefropatia diabetica conclamata Rifiuto del consenso informato

6 Misure centralizzate Rapporto albuminuria/creatininuria (ACR): Microalbuminuria = ACR: mg/g Macroalbuminuria = ACR: 300 mg/g Infezioni delle vie urinarie: Presenza di nitriti o leucociti 250 leuc/ml

7 Risultati (presenza di nitriti o leucociti 250 leuc/ml) Albuminuria Microalbuminuria (MAU) Normoalbuminuria Microalbuminuria = ACR: mg/g Macroalbuminuria = ACR: 300 mg/g

8 Caratteristiche al baseline in accordo alla presenza di MAU Risultati

9 Analisi multivariata Risultati

10 Risultati Analisi RECPAM RECursive Partitioning and AMalgamation (RECPAM). Tecnica di regressione multivariata ad albero. Permette di identificare particolari sottogruppi/classi di pazienti che mostrano una probabilità più elevata di presentare MAU. Ad ogni iterazione l algoritmo sceglie la variabile (e il livello di splitting) che massimizza la differenza nel rischio di MAU. L età e la pressione arteriosa sistolica sono state testate nel modello come predittori globali.

11 Risultati

12 Risultati Prevalenza di MAU nelle classi identificate

13 Risultati

14 Risultati

15 Analisi multivariata finale Risultati

16 Conclusioni fase 1 All interno di una popolazione di soggetti con DM2, il rischio di MAU può variare di 10 volte. La presenza di retinopatia, soprattutto se associata a cattivo controllo metabolico e obesità viscerale, rappresenta il fattore di rischio più importante. Fra i soggetti senza retinopatia, il rischio di MAU è considerevolmente aumentato in presenza di cattivo controllo metabolico, obesità viscerale o fumo. Elevati valori pressori e bassi livelli di HDL ulteriormente aumentano il rischio di MAU in tutti i sottogruppi identificati.

17 Pubblicazione fase 1 Nephrol Dial Transplant 2008; 23:

18 Congressi fase 1 Poster: AMD Genova Maggio 2005 SID Milano Maggio 2006 Comunicazione orale: ADA Washington, DC 9-13 Giugno 2006

19 I risultati della seconda fase dello STUDIO DEMAND: i predittori della regressione e della progressione del danno renale

20 Disegno dello studio Pazienti con DM2 in usual care Raccolta dati clinici Raccolta dati laboratorio PRIMA FASE Valutazione trasversale Follow-up (1 anno) Raccolta dati clinici Raccolta dati laboratorio SECONDA FASE Valutazione longitudinale

21 Obiettivi fase 2 Tasso di regressione del danno renale (espresso come diminuzione di almeno il 50% del valore di ACR rispetto a quello riscontrato al baseline) Tasso di progressione del danno renale (espresso come aumento di almeno il 50% del valore di ACR rispetto a quello riscontrato al baseline) Identificazione dei fattori predittivi della progressione e della regressione

22 Risultati 1841 soggetti arruolati 1289 soggetti rivisti al follow-up Pazienti esclusi dalle analisi: 112 (8.7%) soggetti con infezioni delle vie urinarie 1019 soggetti analizzabili per la seconda fase 59 (4.6%) soggetti con dati incompleti Mediana di follow-up: 12.0 ( ) mesi 99 (7.7%) soggetti esclusi alla prima fase per infezioni delle vie urinarie e/o macroalbuminuria

23 Risultati Tasso di regressione (decremento ACR 50%) 23.7% (241 su 1019 pazienti)

24 Risultati Distribuzione dei pazienti (%) per classe di danno renale al baseline

25 Risultati Tasso di progressione (aumento ACR 50%) 27.0% (275 su 1019 pazienti)

26 Risultati Distribuzione dei pazienti (%) per classe di danno renale al baseline

27 Risultati Stable (N=503) Regression (N=241) Progression (N=275) P (regression vs. stable) P (progression vs. stable) Males HbA1c (%) 7.2± ± ± BMI (kg/m 2 ) 28.9± ± ± Δ BMI 0 [-1.2;1.5] 0 [-1.5;1.5] 0.3 [-1.1;1.8] Waist circ. (cm) 100.3± ± ± Δ WC 0 [-7;9] 0 [-8;6] 0 [-4;7] Hypertension SBP (mmhg) 138±17 140±16 140± Triglyc.(mg/dl) 156±82 173±94 181± HDL-C (mg/dl) 50.2± ± ± LDL-C (mg/dl) 127±36 122±39 118± Treatment: Diet Oral agents Insulin + OAs Insulin Caratteristiche della popolazione parte 1

28 Risultati ACE-Inhibitors and/or ARBs at baseline Start of ACE- Inhibitors and/ or ARBs during the study Stable (N=503) Regression (N=241) Progression (N=275) P (regression vs. stable) P (progression vs. stable) Statins Retinopathy ACR (mg/g) 0 [0;57.5] 16.9 [3.7;140.2] 3.3 [0;67.8] < < Δ ACR 0 [-4;1.4] [-106;-4] 17.1 [3.6;297] < < Data are means±ds or median [10 th 90 th percentile] for continuous variables and percentage for categorical ones. *χ 2 test for categorical variables and Kruskal-Wallis test for continuous variables Caratteristiche della popolazione parte 2

29 Risultati BMI (Kg/m ) Regression Stable Progression Baseline 12 months WAIST CIRCUMFERENCE (cm) Relazione tra regressione/ progressione e obesità Regression Stable Progression Baseline 12 months

30 Risultati Valori medi di ACR per classe di BMI

31 Risultati Valori medi di GFR per classe di BMI

32 Risultati Regressione: analisi multivariata Covariate testate: Età, sesso, HbA1c, BMI, circonferenza vita, fumo, ipertensione, PAS, PAD, dislipidemia, prolo lipidico, presenza di complicanze CV, trattamenti per il diabete, con ACE-inibitori e/o ARBs e con statine e, inne, cambiamenti nel corso dell anno nei livelli di HbA1c, pressione arteriosa, BMI, circonferenza vita e nelle terapie. Nessuna covariata è risultata associata in maniera indipendente al rischio di regressione.

33 Risultati Progressione: analisi multivariata OR (IC 95%) Durata (5 aa) 1.12 ( ) Δ BMI 1.17 ( ) Circonferenza vita (5 cm) 1.07 ( )

34 Conclusioni fase 2 Esiste uno stretto link tra obesità e cambiamenti nell escrezione urinaria di albumina. La progressione dell albuminuria nel corso di 12 mesi è associata con un incrementata circonferenza vita al baseline, in accordo con i risultati dell UKPDS. I nostri dati aggiungono però che la progressione è associata anche ad un incremento del BMI nel corso del follow-up. In particolare il rischio di progressione aumentava del 17% per ogni unità in più di BMI nel corso dello studio, che è come dire che un aumento di Kg di peso corporeo conferiscono un rischio aggiunto di progressione di ACR di circa il 20%. Questo effetto era indipendente dal controllo metabolico, dalla pressione arteriosa e dai trattamenti al baseline, sia dai cambiamenti di questi parametri nel corso dello studio e non era nemmeno correlato al livello di escrezione urinaria al baseline.

35 Pubblicazione fase 2

36 Congressi Poster: EASD Rome, September 2008 SID Torino, Maggio 2008

37 Ridurre il peso corporeo e l obesità viscerale può rappresentare un importante strategia addizionale per ridurre il rischio cardio-renale nei soggetti con diabete Grazie per l attenzione

38 Ringraziamenti Centri partecipanti: GRUPPO DI STUDIO AMD-DEMAND Comitato scientifico: Salvatore De Cosmo, Antonio Ceriello, Marco Comaschi, Domenico Cucinotta, Maria Chiara Rossi, Umberto Valentini, Giacomo Vespasiani Analisi statistica e centro di coordinamento: Fabio pellegrini, Sonia Ferrari, Marco Piaggione, Riccarda Memmo